La síntesis de precursores plásticos, como los polímeros, involucra catalizadores especializados. Sin embargo, el método tradicional basado en lotes para encontrar y seleccionar los correctos para un resultado dado consume litros de solvente, genera grandes cantidades de desechos químicos y es unproceso costoso y lento que involucra múltiples ensayos.
Ryan Hartman, profesor de ingeniería química y biomolecular en la Facultad de Ingeniería Tandon de la NYU, y su laboratorio desarrollaron un "microsistema inteligente" basado en laboratorio que emplea aprendizaje automático, para modelar reacciones químicas que prometen eliminar este proceso costoso y minimizar el medioambientedaño.
En su investigación, "Combinando la experimentación microfluídica automatizada con el aprendizaje automático para un diseño de polimerización eficiente", publicado en Inteligencia de la máquina de la naturaleza , los colaboradores, incluido el estudiante de doctorado Benjamin Rizkin, emplearon un microrreactor de diseño rápido y prototipo personalizado junto con la automatización y la termografía infrarroja in situ para estudiar la polimerización exotérmica generación de calor, reacciones que son notoriamente difíciles de controlar cuando son limitadas las pruebas experimentales.los datos cinéticos están disponibles. Al combinar tecnología microfluídica eficiente con algoritmos de aprendizaje automático para obtener conjuntos de datos de alta fidelidad basados en iteraciones mínimas, pudieron reducir el desperdicio químico en dos órdenes de magnitud y el descubrimiento catalítico de semanas a horas.
Hartman explicó que el diseño de la configuración de microfluidos requería que el equipo estimara primero la termodinámica de las reacciones de polimerización, en este caso involucrando una clase de catalizadores de metaloceno, ampliamente utilizados en la polimerización a escala industrial de polietileno y otros polímeros termoplásticos.
"Primero desarrollamos una estimación de orden de magnitud del transporte de calor y masa", dijo Hartman. "El conocimiento de estas cantidades nos permitió diseñar un dispositivo microfluídico que puede detectar la actividad de los catalizadores y ofrecer mecanismos escalables que imitan la cinética intrínsecanecesario para procesos a escala industrial "
Hartman agregó que dicho sistema de banco de trabajo podría abrir la puerta a una gama de otros datos experimentales ". Podría proporcionar un contexto para analizar otras propiedades de interés, como la mezcla de la corriente, la dispersión, la transferencia de calor, la transferencia de masa y la cinética de reaccióninfluir en las características del polímero ", explicó.
Utilizando una clase de catalizadores de polímeros basados en circonoceno, el equipo de investigación combinó microfluídicos, probados en la investigación de otras reacciones exotérmicas, con una bomba automática y termografía infrarroja para detectar cambios en la reactividad basada en exotermas compuestos que emiten calor durantesu formación dando como resultado una experimentación eficiente y de alta velocidad para mapear el espacio de reacción del catalizador. Dado que el proceso se realizó en un pequeño reactor, pudieron introducir el catalizador disuelto en líquido, eliminando la necesidad de condiciones extremas para inducir la catálisis.
"El hecho es que la mayoría de los plásticos se fabrican utilizando catalizadores de metaloceno unidos a partículas de sílice, creando un sustrato heterogéneo que polimeriza monómeros como propileno y etileno", dijo Hartman. "Los avances recientes en el catalizador homogéneo de metaloceno disuelto permiten condiciones de reacción más suaves".
El grupo de Hartman demostró previamente que las redes neuronales artificiales ANN pueden usarse como una herramienta para modelar y comprender las vías de polimerización. En la nueva investigación aplicaron ANNs para modelar la polimerización exotérmica catalizada por zirconoceno. Utilizando los sistemas MATLAB y LabVIEW para controlarreacciones, interactuar con dispositivos externos y generar algoritmos computacionales avanzados, los investigadores generaron una serie de ANN para modelar y optimizar la catálisis basada en resultados experimentales.
"Las compañías químicas generalmente usan reactores de 100 mililitros a 10 litros para seleccionar cientos de catalizadores que a su vez podrían ampliarse para fabricar plásticos. Aquí estamos usando menos de un mililitro, y reduciendo la huella de los experimentos de laboratorio ustedreducir las instalaciones necesarias, por lo que se reduce toda la huella. Nuestro trabajo proporciona una herramienta útil para el análisis científico y tecnoeconómico de polimerizaciones catalíticas complejas ", dijo Hartman.
Los descubrimientos de Hartman y su laboratorio abren puertas a nuevos tipos de investigación, que involucran principalmente el concepto de química automatizada o "robótica", aumentando el rendimiento, la fidelidad de datos y el manejo seguro de polimerizaciones altamente exotérmicas.
Explicó que, en principio, el método podría conducir a un diseño más eficiente y a plásticos más benignos para el medio ambiente, ya que la detección más rápida de catalizadores y polímeros permite la capacidad de adaptar procesos más rápidamente a polímeros más amigables con el medio ambiente.
Fuente de la historia :
Materiales proporcionado por NYU Tandon School of Engineering . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :